Nvidia liefert die Vera-CPU aus, 88 eigene Kerne für agentische Workloads

Nvidia liefert die Vera-CPU aus, nach eigener Darstellung der erste Hauptprozessor des Hauses, der für agentische KI gebaut wurde. Die Eckdaten: 88 eigene Olympus-Kerne, 1,2 Terabyte pro Sekunde Speicherbandbreite und ein einheitlicher Speicheradressraum mit den Vera-Rubin-Beschleunigern über NVLink-C2C der zweiten Generation.

Nvidia nennt bis zu 1,8-fache Leistung pro Kern bei agentischen Workloads und die doppelte Energieeffizienz gegenüber herkömmlicher Infrastruktur. Als Abnehmer führt der Blog AWS (seit August 2026), Oracle Cloud Infrastructure, Anthropic, OpenAI und SpaceX AI auf.

Karan Batta von Oracle wird mit der Auslegung auf Reasoning-Workloads zitiert, Nvidia-Vizepräsident Ian Buck spricht von einem „neuen CPU-Moment“. Dass ein GPU-Hersteller den CPU-Moment ausruft, ist rhetorisch mutig, denn dieselbe Firma hat jahrelang erklärt, der Hauptprozessor sei im KI-Rechenzentrum das Beiwerk.

Warum die CPU trotzdem Sinn ergibt, steht in der Architektur: Agenten arbeiten in vielen kleinen Schritten, planen, rufen Werkzeuge auf, warten auf Ergebnisse. Diese Sprünge landen beim Hauptprozessor, und jeder Kopiervorgang zwischen CPU- und GPU-Speicher kostet dabei Zeit.

Die Finanzseite liefert den Maßstab. Im am 26. August berichteten Quartal kam Nvidia auf 96,2 Milliarden Dollar Umsatz, davon 89,0 Milliarden im Rechenzentrumsgeschäft, bei 75,0 Prozent Bruttomarge. Die Prognose fürs laufende Quartal liegt bei 108,0 Milliarden Dollar plus/minus 2 Prozent, ohne China-Rechenzentrumsumsatz.

Zu Vera Rubin sagte Nvidia, die Plattform werde im laufenden Quartal rund 20 Prozent des Rechenzentrumsumsatzes beisteuern. Die Lagerbestände stiegen dafür von 25,8 auf 31,6 Milliarden Dollar. Tom’s Hardware und andere leiten daraus eine Größenordnung von etwa 20 Milliarden Dollar ab, was rechnerisch stimmt, aber eben eine Ableitung bleibt: Nvidia selbst hat nur den Prozentsatz genannt.

Auf der Kernseite wird es enger. Nvidias Olympus-Kerne treffen auf einen Markt, in dem Arm-Designs auch dort ankommen, wo man sie nicht erwartet hätte, zuletzt in IBMs Großrechnern. Die Frage, die Nvidia bisher nicht beantwortet, ist die nach dem Preis pro Kern gegenüber Standardserver-CPUs.